ANÁLISIS PATRIMONIAL DINÁMICO Un modelo genérico adaptable a usos particulares

Transcripción

1 ANÁLISIS PATRIMONIAL DINÁMICO Un modelo genérico adaptable a usos particulares Alfredo José Boietti alfredo.boietti@gmail.com Facultad de Ciencias Económicas de la Universidad de Buenos Aires Resumen En el presente trabajo se desarrolla un modelo genérico de DFA, mediante el cual se analiza el funcionamiento integral del negocio de una compañía genérica de seguros patrimoniales, calculando e interpretando diversos indicadores y variables financieras que determinan su crecimiento y estabilidad durante un horizonte de tiempo dado. Palabras clave: Simulación Montecarlo; Teoría del Riesgo Colectivo; Modelo de flujo de fondos; DFA DYNAMIC FINANCIAL ANALYSIS A generic model suitable for particular uses Alfredo José Boietti alfredo.boietti@gmail.com Faculty of Economics, University of Buenos Aires Abstract In this paper we develop a generic DFA model, through which we examine the overall business operation of a generic property insurance company, calculating and analyzing several financial indicators and variables that determine its growth and stability for a given time horizon. Key words: Montecarlo Simulation; Collective Risk Theory; Cash flow model; DFA 1. Introducción Qué es un modelo de Análisis Patrimonial Dinámico? Podemos empezar definiendo a un Análisis de Riesgo Dinámico (DRA por sus siglas en inglés - Dynamic Risk Analysis) como todo modelo destinado a analizar las variaciones

2 e interrelaciones entre los factores que determinan el crecimiento y estabilidad de una determinada compañía, cualquiera sea la industria a la que pertenezca. La forma compleja de un DRA aplicado específicamente a una compañía de seguros patrimoniales contemplada en su totalidad se denomina DFA: Análisis Patrimonial Dinámico (Dynamic Financial Analysis). Los DFA tienen en cuenta que el funcionamiento del sistema subyacente descansa exclusivamente en la generación de flujos de efectivo futuros y saldos de cuentas patrimoniales, a diferencia de lo que ocurre en otro tipo de negocios. Adicionalmente, dichos flujos de efectivo del negocio asegurador están afectados por varios procesos que influyen sobre su cuantía y el momento en el tiempo en que se van a erogar: algunos de estos procesos son estocásticos, otros están en alguna medida bajo el control del directorio, mientras que otros pueden ser impuestos por fuerzas del mercado o entes reguladores. Por todo esto, el núcleo de un DFA reside en el análisis sistemático de los flujos de efectivo de la organización, análisis que permitirá identificar y cuantificar las interrelaciones existentes entre los factores que los generan, a fines de poder tomar decisiones basadas en dicha información. Un punto muy importante a destacar con respecto su definición es el hecho de que el objetivo de un DFA no es predecir el futuro: más bien, su objetivo es brindar información a los directores de la compañía para que puedan tomar (idealmente) mejores decisiones con respecto al manejo de las variables patrimoniales que rigen el funcionamiento del negocio. La incertidumbre respecto a la cuantía de las erogaciones como consecuencia del pago de siniestros y gastos asociados, como así también al momento en que se producirán, hacen que las decisiones con respecto a las variables patrimoniales sean tomadas en un entorno cambiante y cuyo impacto no sea fácilmente predecible a priori. Es en este contexto que el DFA constituye una herramienta de gran utilidad para llevar a cabo decisiones en función a una determinada estrategia, gracias a los resultados que produce el modelo. En líneas generales, el propósito de un DFA es simular un gran número de posibles resultados a partir de ciertos datos de entrada, hipótesis y elementos de control dinámico. Luego, al analizar los valores esperados de estos resultados y las distribuciones de las variables clave, el usuario del modelo puede determinar si los valores son aceptables. Si lo son, se podrá validar la estrategia operativa de la compañía como aceptable, bajo las hipótesis y parámetros del modelo utilizado. En caso contrario, el directorio podrá realizar cambios en los datos de entrada (cambios de estrategias) y así determinar qué cambios resultan ser efectivos para mejorar los resultados y llevaros hacia un nivel de aceptación. En términos sencillos, un DFA intenta explicar el funcionamiento integral de una compañía de seguros patrimoniales, a partir de determinar cómo se relacionan entre sí los factores que inciden en dicho funcionamiento. Debido a su complejidad, esa determinación de interrelaciones no puede ser resuelta con métodos analíticos: se recurre entonces a la simulación estocástica

3 Por qué utilizar un DFA? IX Coloquio Internacional de Estadística Los modelos DFA permiten demostrar de qué manera un curso de acción adoptado influye en determinado resultado, por lo tanto es posible analizar la variación en los resultados producto de adoptar tal o cual estrategia. En otras palabras, el modelo acepta la inclusión de decisiones y cuantifica sus impactos en el resultado final. Esta vinculación directa entre estrategias y resultados obtenidos surge a partir de la interacción de todas las variables patrimoniales que conforman la empresa, interacción muy compleja y prácticamente imposible de abordar analíticamente. Es por eso que, como se mencionó anteriormente, se utilizan métodos de simulación, los cuales nos brindarán luz acerca de la naturaleza de las relaciones entre las variables. De esta manera, un DFA permite tanto a la gerencia de la empresa como a los reguladores, identificar y comprender los posibles problemas tempranamente, antes de que generen potenciales crisis. Y aún en el caso de que los problemas finalmente surjan, el modelo ayudará a comprender los cursos de acción que mejor mitiguen sus consecuencias. Los modelos de DFA permiten considerar a la compañía como un todo integrado ya que considera y mide las interconexiones que existen entre todas las variables patrimoniales y diversos sectores que conforman la empresa estudiada. Como ejemplo de lo dicho será posible determinar, por citar algunos casos: El efecto que tiene la contratación de reaseguro en la variación de la probabilidad de ruina El impacto en la probabilidad de registrar un resultado negativo, originado por un incremento de los gastos fijos Cómo se verá afectado el capital esperado a aportar por los accionistas si el rendimiento de las inversiones disminuye un tanto por ciento Una de las ventajas comparativas de un DFA es que este tipo de análisis de impacto pueden ser realizados de manera sencilla y relativamente rápida: una vez configurado todo el modelo, se modifican las diversas figuras (dichas figuras en nuestro ejemplo son el reaseguro, los gastos fijos y el rendimiento de las inversiones) y con presionar un botón se obtienen las resultados que ayudarán a determinar el impacto que suponen las mencionadas modificaciones. Como se verá más adelante, esto no hubiera sido posible con un enfoque estático precursor del DFA. Cualquier cambio en las hipótesis hubiera requerido mucho más tiempo en la obtención de conclusiones, ya que hubiera sido necesario un total rearmado del presupuesto. Es importante aclarar el hecho de que los resultados arrojados por el DFA serán útiles y válidos solamente si los parámetros y supuestos del modelo son correctos: se necesitará una constante revisión y actualización de las variables patrimoniales analizadas y las distribuciones que las modelizan.

4 Para clarificar este último punto, supongamos que la distribución seleccionada para explicar la cuantía de los siniestros no representa satisfactoriamente la distribución de las cuantías reales. Por más que el resto del modelo sea consistente y la metodología de simulación sea técnicamente correcta, los resultados obtenidos no aportarán valor alguno a la toma de decisiones, dado que se basan en una modelización errónea del negocio a representar. En el presente trabajo se considera una empresa genérica teórica, lo cual implica que los parámetros del modelo no corresponden a ninguna compañía en particular. La utilización del modelo en un caso real implicará la adecuación de los parámetros y distribuciones planteadas, lo cual no atenta con el propósito general del trabajo, el cual es brindar un marco general de referencia para, de querer llevarlo a la práctica, poder ser calibrado y adecuado posteriormente en cada caso práctico individual. Contraste entre modelos DFA y ALM de los seguros de vida Los enfoques de modelos clásicos ALM (Asset-Liability Management o Gestión de Activos y Pasivos) aplicados a los seguros de vida, consideran que los pasivos son en gran medida determinísticos debido a su baja variabilidad [1]. Sería peligroso el transladar este mismo enfoque a los seguros patrimoniales, en donde nos encontramos con flujos de efectivo altamente volátiles. Las compañías de seguros patrimoniales enfrentan factores como la inflación, cambiantes condiciones macroeconómicas, ciclos de suscripción y resoluciones judiciales, todo lo cual torna más difícil la modelización; al mismo tiempo, dichos factores causan que la modelización de los resultados sea también mucho más complicada. En el rubro de los seguros patrimoniales, tanto la fecha de ocurrencia como el monto del siniestro son inciertos. Mientras que en la mayoría de los planes seguros de vida los costos de las coberturas se fijan en valores estrictamente predeterminados (aún en casos de ajuste por inflación o participación en las utilidades), en los seguros patrimoniales dichos costos están afectados por aspectos relacionados con potenciales litigios en la determinación de la indemnización. Antecedentes y evolución Los modelos DFA surgen como evolución natural de anteriores metodologías, a las cuales se le fueron agregando mejoras que permitían superar las limitaciones que suponía su uso. Dividiremos la historia de esta evolución en cuatro etapas: Presupuesto Financiero (Presupuesto clásico) En esta primera etapa se consideraba sólo un conjunto de hipótesis respecto a los resultados futuros de la compañía, por lo que estos modelos eran esencialmente estáticos. Por ejemplo, se preguntaba: cuál es el rendimiento esperado de las inversiones? Cuál será el monto de las primas emitidas, y sus gastos asociados? Qué nivel de inflación se espera? Luego, cada sector de la compañía responsable de tales cuestiones establecía un valor estimado a partir del cual se generaba el clásico presupuesto.

5 Aún en el caso de que el modelo fuera sometido a rigurosas revisiones y modificaciones para su calibración, los resultados arrojados eran estáticos: se contaba solamente con un camino posible en futuro, camino trazado a partir de las hipótesis del modelo. Con el tiempo, esto demostró no ser suficiente a los efectos de planificación, ya que era necesario despegarse del concepto estático y de resultado único que ofrecía este enfoque: eran necesarios más caminos posibles a futuro. Análisis de Sensibilidad (o Stress Testing) Este tipo de análisis salvaba la limitación anterior introduciendo caminos alternativos en las proyecciones, entendiendo por ese concepto a los posibles impactos que se generarán en los resultados como consecuencia de variar los supuestos adoptados. Se identifican dichos supuestos clave para el modelo, y se analizan los efectos que produce variarlos en un determinado rango. Siguiendo con el ejemplo anterior, y a efectos de aclarar la cuestión, al sector responsable de las inversiones ya no se le pedía solamente una tasa de rendimiento esperada, sino un rango posible; lo mismo sucedía para el caso de las primas, los gastos y la tasa de inflación. Así, el modelo incorporaba esquemas de mejor y peor escenarios esperados, junto a los resultados que suponía cada caso. Aunque mejor que su precursor, este tipo de enfoque todavía no consideraba un concepto fundamental en lo que respecta a planificación estratégica: cuantificar cuán probable era cada uno de los escenarios propuestos. La variabilidad de los posibles resultados seguía escapando a las mediciones. Modelización Estocástica Este es el enfoque inmediato anterior al DFA, y se diferencia de los modelos previos básicamente en el hecho de incorporar al análisis las probabilidades asociadas a los rangos de valores establecidos para cada factor relevante. Con el modelo configurado y calibrado, se ejecuta un proceso de simulación computacional, recalculando el modelo miles de veces y obteniendo valores para cada iteración. Una vez finalizado este proceso, se analizan todas las salidas que originan cada una de las simulaciones. De esta manera se cuenta con un conjunto de resultados y su correspondiente probabilidad: la variabilidad ya es cuantificada por el modelo. Modelización Dinámica Este enfoque contiene al DFA, y su evolución radica en la posibilidad de incorporar decisiones en el modelo y de tener en cuenta las interrelaciones entre todos los factores clave analizados. Su denominación de dinámico es debido a que si un determinado escenario demuestra arrojar resultados inaceptables, como por ejemplo una probabilidad de ruina superior a la permitida por los reguladores, entonces el modelo asume que la dirección de la empresa decidirá el rumbo a seguir con respecto a las variables claves. De esta manera es posible evaluar los diferentes resultados a los que se llega en función de adoptar diversas decisiones estratégicas: se reemplaza un conjunto de decisiones por

6 otro y se realiza el proceso de simulación nuevamente, con el modelo configurado con el nuevo conjunto de decisiones. Obtendremos otros resultados, los cuales podremos contrastar con los obtenidos bajo los supuestos anteriores. Beneficios de la tecnología versus costos Anteriormente, una compañía que desarrollaba un modelo patrimonial corporativo por lo general terminaba consiguiendo uno o muy simple y rápido, o complejo pero lento. En este último caso, además los resultados eran por lo general estáticos. Hoy en día las posibilidades que brinda el poder de cálculo de las computadoras ha eliminado, o al menos mitigado, este problema. Ya no es necesario elegir entre simpleza y rapidez o complejidad y lentitud. Las capacidades de los sistemas y equipos actuales permiten desarrollar modelos muy complejos y obtener resultados de forma razonablemente rápida. Ahora bien, todos estos grandes beneficios que ofrece el uso de la tecnología actual no están exentos de costos. Los DFA por lo general contienen miles, sino millones, de líneas de código o celdas con fórmulas y datos. Por lo tanto se debe contar con una estructura de equipos que soporten la operatoria de este tipo de modelos, como así también personal capacitado para diseñar y programar un DFA: por lo general, esas habilidades de diseño y programación van por separado. Además de ser diseñados, validados y verificados, dichos modelos deben ser actualizados constantemente. A estos requerimientos se les debe agregar el costo que suponen los expertos con los que se que deben contar para manejar un DFA, además del costo de obtener información operacional válida que se utilizará para derivar las hipótesis iniciales del modelo. Como en el análisis fundamental de toda inversión, se deberán estimar los beneficios que se esperan obtener con la implementación y uso de un DFA junto a los costos que representa contar con este tipo de modelos. Advertencia sobre su uso Aunque es una herramienta sumamente útil para brindar información acerca de las interrelaciones entre las variables clave del negocio, y de qué manera ese vínculo impacta en los resultados, además de mostrar las consecuencias de tomar determinadas decisiones estratégicas (todas funcionalidades muy complejas de obtener, sino imposible, sin un DFA), no debe olvidarse que nada reemplaza al juicio, opinión y experiencia de la persona. Esto es, ningún modelo servirá, por más sofisticado que éste sea, si sus resultados no son adecuadamente interpretados por las personas responsables de tomar decisiones en base a lo que indique el modelo. La confianza en los resultados de un DFA no debe ser en ningún caso superior a la que se le tiene al analista que maneja esos resultados.

7 2. Métodos IX Coloquio Internacional de Estadística Modelo Propuesto Consideraciones preliminares En esta parte del trabajo se detallarán conceptos previos a la presentación del modelo propiamente dicho, para poder identificar y comprender sus características principales antes de verlo en acción Análisis Modular Se ha optado por estructurar al modelo DFA bajo la forma de módulos separados e interconectados. Esto obecede a dos razones principales: la primera está relacionada con lograr una mayor claridad respecto a la forma de representar cada uno de los factores que inciden en el funcionamiento de la compañía. Cada módulo tendrá vida propia en función a sus propias características, y se interconectará con uno o más módulos. Al desarrollarlos separadamente, se gana en detalle respecto de cada factor a la vez que no se resigna claridad en la exposición del modelo como un todo. La segunda razón es en vistas a una posible utilización del modelo con fines prácticos, en donde la flexibilidad a la hora de configurarlo y calibrarlo se impone como requisito indispensable. Mediante la estructura de módulos utilizada, el modelo DFA no solamente es fácilmente re-configurable en función a las hipótesis que requiera el usuario, sino que también se puede desactivar la aleatoriedad de varios supuestos y tratarlos como valores determinísticos. Análisis de los resultados del modelo a través del enfoque de Fronteras Eficientes Recordemos que, idealmente, nuestro modelo deberá permitir la comparación de diversas estrategias en función a los resultados que arroje la adopción de cada una de ellas. Esto nos lleva a describir la metodología a adoptar para que el directorio pueda cuantificar económica y financieramente los resultados que arroje el DFA; el marco conceptual bajo el cual se encuentra dicha metodología es el de frontera eficiente, utilizado en la teoría moderna de portafolios[2]. Bajo este enfoque, se seleccionan medidas para el riesgo y el rendimiento, para luego establecer pares riesgo-rendimiento que quedarán determinados por los resultados que produzcan las diversas estrategias. Luego, una estrategia será eficiente si no existe alguna otra con mayor nivel de rendimiento para un determinado nivel de riesgo, o menor riesgo para un mismo nivel de rendimiento. Cabe aclarar que si se seleccionan medidas alternativas para valuar el riesgo o rendimiento, la comparación puede arrojar resultados diferentes a los obtenidos bajo las medidas anteriores. Por ello, un DFA no es un método ideado para obtener estrategias óptimas, sino que es una herramienta para comparar diversas estrategias en términos de riesgo y rendimiento.

8 Período de análisis Lo primero que se debe determinar al realizar proyecciones es el período de tiempo que se analizará. Aquí entran en juego dos fuerzas contrapuestas: por un lado, es deseable contar un período prolongado de tiempo para poder evaluar cada estrategia en el largo plazo. Pero por el otro, cuanto más nos alejemos en el tiempo, menor será la precisión de los valores simulados, debido a la acumulación misma del proceso y al riesgo de parámetro. Por esta razón he elegido un horizonte de tiempo de cinco años para las proyecciones. Características de la compañía que utilizará el DFA El desarrollo del modelo se ha realizado para una compañía de seguros patrimoniales teórica, esto es, no se utilizan datos reales de ninguna compañía del mercado. No obstante, la estructura y armado del DFA permite que se puedan reemplazar fácilmente las hipótesis predeterminadas por aquellas que se ajusten mejor a cada caso particular, si se desea aplicar este modelo a una compañía real. Esta compañía ficticia posee tres carteras de unidades expuestas a riesgo que corresponden a distintas líneas de negocio. Dichas carteras se analizan por separado, ya que cada una tiene características diferenciadoras en cuanto a frecuencia e intensidad de siniestros se refiere como para justificar el tratamiento individualizado. En cuanto a las inversiones, se consideran dos tipos de activos: por un lado, bonos libres de riesgo, entendiendo por este concepto que dichos papeles tienen una probabilidad nula de default. Estos instrumentos de renta fija son cero cupón, o sea que se valúan aplicando directamente una tasa de descuento; por el otro, una canasta de acciones que representa la composición de algún índice de mercado, como podría ser por ejemplo el MERVAL. También se supone que toda la liquidez es reinvertida, atento a cada estrategia considerada. El capital aportado por los accionistas al inicio es igual al 75% del valor esperado de siniestros acumulados para el primer año. Escenarios de negocio Para cada año se cuenta con cuatro entornos hipotéticos que determinarán distintos conjuntos de rangos respecto a los niveles de frecuencias, severidad de los siniestros y nivel de gastos semifijos. Estos entornos son identificados con el subíndice j. La idea que se persigue con la implementación de estos escenarios es poder asumir diversos niveles de parámetros en función a las expectativas que se tengan con respecto a las frecuencias y montos para cada año, combinados con diversos niveles de gastos semivariables. Estos escenarios se distribuyen según una distribución tabular.

9 Número de siniestros Para las tres carteras de la compañía, se asume que la cantidad de siniestros para cada período sigue una distribución Poisson, y dependiendo de cada cartera particular, el parámetro se distribuye conforme a distribuciones predeterminadas. A su vez, el entorno j afectará los parámetros de las distribuciones que modelizan el comportamiento del parámetro para cada cartera. Independientemente al entorno, dichos parámetros son determinados en función a la cantidad de pólizas iniciales de cada año, ya que se expresan como una proporción de éstas. De esta manera se logra consistencia en los valores simulados en cada uno de los años estudiados. Cuantía del siniestro individual Se eligió la distribución Gamma para modelizar el monto de cada siniestro individual registrado por las unidades expuestas a riesgo de las tres carteras. De la misma manera que para las frecuencias, los parámetros también se distribuirán conforme a distintas funciones de probabilidad. Los valores que determinan las distribuciones que modelan cada parámetro de la función Gamma también estarán influenciados por el entorno j. Módulo Cartera En este módulo se configura el comportamiento del número de unidades a riesgo de la compañía durante los cinco años, para las carteras A, B y C. En otras palabras, lo que hacemos es modelizar las cantidades de contratos de cada cartera año a año, mediante el esquema: Simulando las pólizas nuevas y canceladas en cada período, quedan determinadas las totales y renovadas de cada período inmediato posterior. Para las nuevas se ha elegido una distribución Gamma mientras que las cancelaciones siguen una distribución Beta. Con el objetivo de mantener la consistencia de estas distribuciones Gamma y Beta, sus parámetros son función de la cantidad de pólizas iniciales de cada año, como una proporción de éstas. Módulo Tasas de Interés El módulo se basa en la modelización de la tasa instantánea de interés de corto plazo, variable a partir de la cual se determinará la estructura temporal de la tasa de interés, estructura que se denomina curva cero cupón.

10 Es con esta curva de rendimientos que se valuarán los bonos que se incluyen en alguno de los planes de inversión de la compañía. Dichos instrumentos se suponen con riesgo crediticio nulo y de plazo anual para todos los períodos de análisis. Existen modelos alternativos que construyen dicha estructura a partir de diversos datos de entrada (como tasas de diversos instrumentos financieros operados en el mercado para los distintos plazos, convenciones de cálculo de días, métodos de interpolación, entre otros) las cuales no aplican a un modelo DFA dada la naturaleza estática de los parámetros necesarios para la construcción. Por lo tanto necesitamos un modelo generador de tasas de interés de corto plazo, para simular la curva cero cupón a partir de aquél. En la literatura existen varios modelos para esta variable, como ejemplos podemos citar los que encontramos en Ahlgrim, D Arcy and Gorvett [3], Musiela and Rutkowski [4, páginas ] y Bjork [5]. Para la elección final del modelo a adoptar, se tuvieron en cuenta algunos aspectos de los movimientos de la tasa de interés, tales como: 1. La volatilidad varía según el plazo de la tasa 2. Es un proceso reversible a la media (mean-reverting process en inglés) 3. Las tasas de diferentes plazos están positivamente correlacionadas 4. No permiten que las tasas se vuelvan negativas También se tuvo en cuenta la practicidad de implementación, es por ello que se optó por el modelo de Cox Ingersoll Ross (CIR) de un factor, el cual pertenece a la clase de modelos donde la tasa instantánea es modelada como un caso especial del proceso de Ornstein Uhlenbeck. Estructura temporal de la tasa de interés En base al desarrollo anterior, calculamos los precios a cada momento t de los bonos cero cupón que pagan 1 unidad monetaria en el vencimiento t+t. Las tasas con capitalización continua determinarán la estructura temporal de las tasas cero cupón de cada período t. Módulo Inflación La inflación desempeña un rol muy importante en el modelo, ya que al modificar el monto final de los siniestros como así también los gastos, influye de manera directa en las estimaciones realizadas para calcular las primas futuras.

11 En el modelo suponemos que conocemos cada siniestro desde la base, esto es, desde el primer peso. Esto significa que no son datos de siniestros a los cuales se les haya aplicado previamente franquicias o deducibles. En caso contrario, como la inflación aumenta el valor monetario del siniestro, existiría la posibilidad de que haya siniestros que no superen la franquicia o deducible antes de considerar la inflación, y sí lo hagan una vez aplicada aquélla. De esta manera habría inflación de frecuencia, toda vez que habrá más siniestros que se registren en las diversas coberturas. De nuevo, al considerar cada siniestro desde la base, la inflación no afectará la cantidad de siniestros en el modelo. El enfoque elegido es en base a datos históricos del IPC, aplicando a la serie un ajuste de modelo autoregresivo de orden uno [AR(1)]. Esta elección tiene como fundamento un hecho relevante: la demostración que dicho modelo de orden uno ajusta los datos al menos igual que los de orden superior (principio de parsimonia[6]).asimismo, la simpleza en su manejo e implementación es un plus a la hora de la elección. El término de ruido está idénticamente distribuido en cada punto t del modelo, lo cual asegura el cumplimiento de la hipótesis de homocedasticidad; esto es, la varianza de los residuos no varía en los diferentes niveles del factor. Módulo Rendimiento de Acciones El conjunto de activos en el que invierten por lo general las compañías de seguros patrimoniales está compuesto por instrumentos de renta fija y acciones. Este módulo se enfoca en la modelización del comportamiento de éstas últimas, teniendo en cuenta rendimientos en lugar de precios, para poder utilizar el modelo CAPM (Capital Asset Pricing Model), el cual relaciona el nivel de la tasa de interés libre de riesgo y el rendimiento de las acciones[8]. La aplicación de este modelo supone considerar los rendimientos de un portafolio de acciones que represente al mercado, conocido como market portfolio en la literatura. Asumiendo una significativa correlación entre ambos rendimientos, he seleccionado un modelo lineal para representar los rendimientos anuales del market portfolio r, condicionados a la tasa R. Aplicamos la fórmula del modelo CAPM para obtener el rendimiento condicional esperado de la inversión en una acción S. Importe acumulado de siniestros anuales sin considerar Reaseguro El enfoque colectivo de la Teoría del Riesgo considera un proceso estocástico que genera siniestros en una cartera; esto es, se considera la cartera en su conjunto en lugar de cada unidad a riesgo que la compone. El análisis se basa en el número de siniestros, y luego para cada siniestro, cuál es su importe. Habiendo ya cubierto los módulos correspondientes al número de siniestros y el importe del siniestro individual, aplicamos la teoría del riesgo colectivo para obtener la distribución del importe acumulado de siniestros, bruto de reaseguros.

12 Cada siniestro individual a cargo del asegurador se obtiene teniendo en cuenta el deducible, la franquicia y el límite. Cabe aclarar que a todos los valores involucrados en este módulo (siniestro individual, franquicia y límite) se les aplica el efecto inflacionario del período correspondiente. Para brindarle mayor flexibilidad al modelo, se simula mediante una variable aleatoria uniforme discreta el mes en que se produce el siniestro, y luego se proporciona la tasa anual de inflación para hallar el monto indexado a ese momento. Siniestros pagados en el período Se supone que nuestra base de imputación de siniestros es la de ocurrencia, con lo cual cada siniestro será registrado contablemente en el período en el que ocurre, coincida o no con el período en el que se denuncie, se pague o en el que esté vigente la póliza que registre el siniestro. El monto de los siniestros no se caracteriza solamente por su valor final sino que también debemos considerar el desarrollo de los pagos a través del tiempo, lo cual añade incertidumbre al proceso siniestral. Tanto el valor del dinero en el tiempo como la inflación tendrán relevancia aquí. Como consecuencia, no basta con modelar las frecuencias y severidades sino también las incertidumbres relacionadas con el proceso de pago. Para hallar el monto de los siniestros pagados en cada año, debemos generar un patrón de pagos; esto es, simular qué porcentaje del monto ocurrido se paga o difiere en cada período. Según la cartera, se han elegido distintas distribuciones según se detalla más adelante. Asumimos que el monto remanente del siniestro se paga íntegramente en el año siguiente a su ocurrencia, a mitad de año en promedio. Esto, como simplificación en la implementación del modelo. Módulo Primas Prima Pura Se calcula la prima pura anual hallando la esperanza matemática del importe del siniestro en dicho período. Nuestro modelo calcula la misma para cada cartera y cada año particular haciendo el promedio de M simulaciones, o sea la media muestral como estimador insesgado de la mencionada esperanza. Cabe mencionar que aquí también se considera el efecto inflacionario a la hora de calcular montos. Prima de Tarifa A partir de la prima pura y al aplicarle margen de seguridad (o de contingencia ante desvíos siniestrales), margen de utilidad y recargo para gastos, obtenemos la prima de tarifa.

13 Ventas Se modeliza el mes promedio de ventas mediante una variable aleatoria uniforme discreta, bajo el supuesto de que la totalidad del monto de ventas se concentra en dicho mes. Este supuesto es a fines prácticos y representa el concepto de ventas uniformes a lo largo de cada año. Otros supuestos adicionales son: 1. No existe riesgo de crédito, en el sentido que las ventas se cobran cuando se producen. 2. No hay correlación entre el nivel de las primas de tarifa y la composición de las carteras. 3. La vigencia de las pólizas es anual y las vigencias coinciden con los años calendario, con lo cual no hay reservas de riesgos en curso. Módulo Reaseguro Se cuenta con una cobertura de Stop Loss (S/L) para el conjunto de las tres carteras. El módulo calcula el monto de primas cedidas al reasegurador por contar con la cobertura, y se asume que dicha cesión se produce en el mes en el que el asegurador cobra las primas, como supuesto simplificador. De esta manera ya se cuenta con el cálculo de los ingresos por primas netos de reaseguro. La modelización del monto pagado por el reasegurador es análoga al caso del asegurador, pero el diferimiento se modeliza de forma diferente. El importe de la prioridad en cada período de análisis t se fijó en el 150% de la esperanza de la variable aleatoria S (Importe acumulado de siniestros para el año t). Módulo Reservas Este módulo calcula el importe de la reserva de siniestros pendientes (RSP) a cargo del asegurador, como así también la correspondiente al reasegurador. Con respecto a la reserva de riesgos en curso (o de primas no ganadas), reiteramos que al modelizar la distribución de los siniestros mediante variables aleatorias, estamos asumiendo que conocemos de antemano la distribución de aquéllos, con lo cual esta reserva es nula para todos los años de análisis. Módulo Gastos El modelo contempla cuatro tipos de gastos, que según la naturaleza y características de cada uno son:

14 Gastos de ventas: Esta categoría contempla todos los gastos en que incurre la compañía para poder llevar a cabo la venta de pólizas. Se calculan como un porcentaje de las primas de tarifa, el cual sigue una distribución triangular. Se abonan en el mismo mes en que se produce la venta promedio de las pólizas. Gastos de liquidación: Estos gastos consideran todas las erogaciones relacionadas con el proceso de liquidación final de un siniestro. El cálculo es también un porcentaje pero en este caso es sobre los siniestros pagados, y se asume que se pagan en el mismo momento que éstos. Esto produce que el ajuste por inflación de estos gastos ya venga implícito. Otros gastos semifijos: Existen otros gastos que son independientes tanto del nivel de primas como de los siniestros pagados. La distribución de los diversos niveles de gastos es uniforme, cuyos parámetros dependerán del entorno j, como se detalla en Se abonan a mitad de año en promedio, lo cual refleja la uniformidad a lo largo del año en este tipo de gastos. Gastos aleatorios: Se incluyen en esta categoría todos aquellos gastos que no tienen relación con los conceptos anteriores (nivel de primas, siniestros pagados, semifijos). Esta categoría introduce el ruido al nivel general de gastos incluidos por el modelo, y se modeliza con una distribución Normal para considerar valores negativos, los cuales pueden representar por ejemplo ahorros o recuperos. Se asume que se abonan a final de año. Módulo Dividendos Finalmente el modelo contempla el pago de dividendos, los cuales representan una distribución en los beneficios de la compañía entre los accionistas. Estos dividendos se calculan sobre la base de registrar un resultado positivo durante el año en análisis, y son iguales al 15% del mencionado resultado. Este módulo se describe en último lugar, ya que considera en su cálculo todas las variables patrimoniales que surgen como resultado de los módulos anteriores. Ajustes al margen de contingencia por desvíos en la siniestralidad La prima de tarifa está compuesta por la prima pura más tres tipos de recargos. El modelo contempla el ajuste del recargo de contingencia; este ajuste dependerá del valor del coeficiente de seguridad del período de análisis. Definimos a los recargos por desvíos en la siniestralidad como la diferencia entre la prima de riesgo recaudada y la esperanza del importe acumulado de siniestros. El criterio de ajuste seleccionado en el modelo establece que, de no alcanzar al menos un coeficiente de seguridad del 100% en el período de análisis, ese faltante se adicionará en el recargo de seguridad para el período siguiente, con un máximo de 50%. Por supuesto, toda vez que el coeficiente de seguridad del período sea igual o mayor a 1, no se activa el ajuste.

15 Este ajuste modificará el valor de las primas de tarifa del período inmediato posterior al analizado, con lo cual se tiene un diferimiento de 1 período en dicho ajuste. Ajustes de capital aportado por los accionistas El modelo asume que los accionistas aportarán capital a riesgo a fin de año toda vez que, sin que se haya producido ruina, se registre un resultado negativo para el año en análisis. Dicho aporte será igual al importe del resultado negativo, y estará acotado a un máximo prefijado y dos ocurrencias por período de simulación considerado. Esto es, en un plazo de cinco años, luego del segundo año de registrar resultados negativos ya no se producirán aportes extras de capital. Estrategias consideradas Esta etapa comprende el último estadío del proceso DFA, el cual consiste en variar las estrategias consideradas para cuantificar el impacto en los resultados que se produce como consecuencia de dicho cambio. Esta cuantificación se obtiene al ejecutar nuevamente el modelo DFA con las nuevas estrategias, y comparar los valores arrojados con los obtenidos anteriormente. Para realizar esta comparación necesitamos contar con pares riesgo-rendimiento, los cuales nos permitirán evaluar los resultados provenientes de diversas estrategias en función al enfoque de Fronteras Eficientes. Las medidas seleccionadas son: Rendimiento: valor esperado del patrimonio neto Riesgo: probabilidad de ruina Metodología del proceso de simulación Lineamientos generales A lo largo del trabajo se ha utilizado el software Oracle Crystal Ball para la generación de números aleatorios, la obtención de las realizaciones de las variables aleatorias que componen el modelo y el tratamiento analítico de los datos de salida resultantes de las simulaciones. Se optó por contar con una herramienta ampliamente probada y estable como alternativa a programar las rutinas manualmente, toda vez que dicha programación no le añade valor al propósito perseguido en el presente trabajo, además de constituir un factor de riesgo técnico considerable, debido a la complejidad de las hipótesis seleccionadas. Iteraciones Dado que el modelo se alimenta, entre otros parámetros, de la esperanza y desvío del importe acumulado de siniestros S, de las primas de tarifa emitidas y de las cedidas en reaseguro, es necesario correr una iteración para obtener estas figuras como paso previo a la utilización del DFA propiamente dicho.

16 Para clarificar este punto, notemos que para calcular el ajuste necesario en las primas de tarifa para el período siguiente al de análisis, se debe comparar el coeficiente de seguridad obtenido en la simulación contra un valor predeterminado en el modelo. Y para calcular dicho coeficiente de seguridad, debemos contar previamente con los valores de E[S] y SD[S], los cuales vendrán ya calculados por la primer iteración. Primer iteración En la primer iteración del modelo se obtienen los siguientes valores: 1. Esperanza y desvío de la variable aleatoria S, importe acumulado de siniestros brutos de reaseguro Segunda iteración 1. Primas de tarifa emitidas 2. Primas de tarifa cedidas en reaseguro Iteraciones subsiguientes (para cada estrategia) 1. Distribución del patrimonio neto 2. Distribución del resultado 3. Distribución del capital aportado por los accionistas 4. Probabilidad de ruina 5. Probabilidad de resultado negativo 6. Pérdida esperada de los asegurados Aspectos técnicos Generación de números aleatorios Se utiliza en el trabajo el generador de números aleatorios descrito abajo como la base de cálculo de todos los números aleatorios utilizados en el modelo. Si no se especifica un número inicial como semilla del generador, se toma el número de milisegundos desde que se ha iniciado la computadora. El método se denomina Linear Congruential Generator (LCG) Generación de variables aleatorias El software de simulación utiliza los números aleatorios generados para obtener los valores de las diversas variables aleatorias. El método particular con que realiza esta tarea dependerá de la distribución subyacente a cada hipótesis del modelo, y el tipo de

17 muestreo seleccionado en los parámetros de la ejecución. Con respecto a este último, se ha seleccionado el método de Monte Carlo. En este apartado, describiremos uno de los métodos, la transformación inversa. Transformación inversa Supongamos que queremos generar una realización de una variable aleatoria, x, a partir de una distribución X cuya función de distribución acumulada es F(x). El método de transformación inversa toma un número aleatorio, u, en el intervalo (0,1), y lo transforma en una realización de una variable aleatoria, x, mediante la utilización de la inversa de la función de distribución acumulada de X, F^{-1}(x). Dado un número aleatorio u generado por el LCG, se halla un valor correspondiente a la distribución X mediante la inversa de la función de distribución acumulada como se detalla a continuación, para obtener una expresión de x como una función de u. 3. Ejemplo Se consideran las siguientes estrategias: Estrategia 1

18 Estrategia 2 Estrategia 3

19 Estrategia 4 4. Discusión Como se puede observar, las estrategias 2 y 3 son ineficientes ya que para ambos casos, se consigue más rendimiento (como se mencionó anteriormente, medido como la esperanza matemática del patrimonio neto al final del quinto año) y menor riesgo (probabilidad de ruina al fin del último período) adoptando la estrategia número 4. Utilizando el DFA aquí desarrollado, será cuestión del directorio seleccionar entonces el curso de acción a seguir mediante la implementación de alguna de las dos estrategias restantes; aquellos miembros que deseen minimizar el riesgo se inclinarán por la número 1, mientras que los que busquen maximizar resultados irán por la 4. Se insiste en que esta metodología de selección se basa en el enfoque de fronteras eficientes, siendo solamente uno de los múltiples criterios para categorizar las estrategias. También cabe recordar que, de elegir medidas alternativas para cuantificar el riesgo y el rendimiento, existe la posibilidad de obtener resultados diferentes en cuanto a qué estrategias se prefieren o se descartan.

20 Como se mencionó al principio del trabajo, el objetivo primordial es brindar un modelo DFA genérico que sirva de marco general y pueda ser fácilmente adaptable a casos de uso particulares, llevando las hipótesis empleadas aquí hacia valores que representen cada caso en cuestión. La principal utilidad de este modelo, idealmente, radica en la identificación de la o las estrategias que demuestren, bajo los supuestos adoptados y la metodología empleada, ser mejores a la hora de lograr estabilidad como así también crecimiento para la compañía. Esto se logra analizando los resultados que arroja el DFA, modelo que echa luz acerca de las relaciones entre las variables que, en su conjunto, determinan justamente tanto la estabilidad como el crecimiento. Bajo ninguna circunstancia se debe olvidar que un DFA no deja de ser una herramienta, la cual debe complementarse con la experiencia, el juicio y la idoneidad de las personas encargadas de manejarla y tomar decisiones en base a ella. 5. Referencias [1] Wise A.J. (1984) The Matching of Assets to Liabilities, Journal of the Institute of Actuaries 111, [2] Markowitz H.M. (1959) Portfolio Selection: Efficient Diversification of Investments, John Wiley, New York. [3] Ahlgrim K.C., D'Arcy S.P. and Gorvett R.W. (1999) Parametrizing Interest Rate Models, Casualty Actuarial Society Forum, [4] Musiela M. and Rutkowski M. (1998) Martingale Methods in Financial Modelling, 2nd edition, Springer, Berlin. [5] Bjork T. (1996) Interest Rate Theory. En Financial Mathematics (ed. W. Runggaldier), [6] Wilkie, pág. 29, Daykin Tomo III [7] Ingersoll J.E. (1987) Theory of Financial Decision Making, Rowman & Littlefield Studies in Financial Economics, New Jersey.